[00112446]基于多普勒雷达的直线型雷暴大风预警方法

利用新一代多普勒天气雷达体扫数据、自动气象站和地面大风测站资料,对2009-2013年湖北省大风天气过程的预警指标进行相关统计分析,基于云模型（Cloud-model）和指标权重确定了雷暴大风的9个雷达预警参数：垂直积分液水含量、质心高度、大冰雹概率、三维MARC质心高度与风暴质心的水平距离、三维MARC厚度、融化层高度上最大径向速度差、最小环境相当位温附近的最大径向速度差、最大径向速度所在高度和风暴移动速度。给出了各预警指标对应的隶属函数的分布,并基于支持向量机（SVM）对9个预警指标对大风识别率进行了检验,识别准确率为81.2%,说明提取的指标对雷暴大风具有指示意义。基于识别的指标,分别利用Bayes和BP神经网络两种方法建立了下击暴流预报模型。通过历史数据识别结果检验表明,两种算法均能有效区分大风与非大风。Bayes方法对大风与非大风识别准确率接近90%,其中大风预报准确率为86.7%,虚警率和失误率分别为5.2%和18.1%,TS评分0.77; BP神经网络非线性预报方法对大风的识别准确率为84%。以上两种方法对下击暴流预报方面表现出一定的指示性和实用性。该算法在中国气象局武汉暴雨研究所2017年汛期试验中对一次雷暴大风过程进行了预警检验,大风和非大风预报准确率超过80%,可为此类天气的业务预警方法提供一定的技术参考。 由于数据收集个例有限,未采用大批量数据对算法进行时间和空间上的评估,算法效果的稳定性还需大量数据检验评估。后续工作将利用更多数据样本,在此基础上通过时间序列预测等方法提高下击暴流的预报时效,建立更加完善的下击暴流预警方法。